武汉理工胡杰：智能网联汽车控制与测试技术研究及应用
时间: 2023-11-13 00:44
来源: 中国汽车供应链大会
作者: editor
11月10日-12日，由中国汽车工业协会和武汉市人民政府共同主办的“2023中国汽车供应链大会暨第二届中国新能源智能网联汽车生态大会”在武汉经开区举办。本届供应链大会以“踔厉奋发，攻坚克难——打造安全、韧性、绿色汽车供应链”为主题，设置了“1场战略峰会、1场大会论坛、9场主题论坛”共11场会议，围绕供应链安全与布局、新型汽车供应链打造、传统供应链升级、全球化发展等热点话题进行深入交流与探讨，寻找构建世界一流汽车供应链的对策、方法和路径。
其中，在11月11日下午举办的“主题论坛四：试验检验——新能源智能网联汽车检验检测助力汽车产品高质量发展”上，武汉理工大学汽车工程学院教授、人工智能与新能源汽车现代产业学院副院长胡杰发表精彩演讲。
以下内容为现场发言实录：
尊敬的各位专家、各位领导，大家下午好！感谢主办方的邀请，我是来自武汉理工大学的胡杰。
我汇报的题目是“智能网联汽车控制与测试技术研究及应用”，也借这个机会把我们团队在智能网联汽车控制和测试相关的工作做一个汇报。主要从以下五方面：
第一，背景。大家知道现在能源环境、安全交通这块的原因，包括朝着云计算、大数据、人工智能、电动化、智能化、网联化，最近数字化也提得比较多，所以智能网联汽车也是汽车工程领域研究的热点和增长点，同时也是汽车发展的必然趋势，也是我们湖北省汽车工业战略转型升级的一个战略方向。
第二，国际前沿。全球各国都制定了相关的法律法规，同时我国也制定了相应的法规。我国在智能化这块近几年是走在了一些前列。
第三，国家战略。大家也知道国家出台了非常多的战略，包括人工智能的发展战略、交通强国、汽车强国发展纲要，都提到了智能网联汽车发展的需求。汽车是一个非常强的综合体，也是各大主机厂、新势力、科技公司抢占的重点。
第四，市场需求，包括政府需求也好，示范区的需求也好，包括客户的需求，现在全国各地建了很多智能网联的示范区。当然应用场景也是在港口、矿山，包括很多园区自动驾驶的应用场景越来越多，乘用车这块智能化的渗透率也越来越高。所以，无论从技术发展趋势，还是国家的战略，还是市场行为，智能网联汽车发展速度也越来越。
第五，这块是涉及到的关键技术，车辆技术、信息技术，包括它支撑的相关技术。第二块是关于控制技术，总体研究思路分为五大板块：第一块关于环境的感知；第二，决策规划；第三，测试；第四，云控平台；第五，示范应用情况。
第一，智能驾驶预控制平台，包括硬件平台，硬件平台采用的是多核一构架构，有计算单元和控制单元，计算单元负责控制感知决策规划，控制就负责车辆控制板块，也涉及到一些功能安全，也涉及到算力的拓展、车型的拓展，包括支持一些传感器、算力升级的需求，是柔性扩扩展的。这块是关于软件架构方面，也涉及到底层软件和基础软件，也有应用层的软件，我们也是基于软硬件解耦采用了一些架构做一些控制的软件开发。这一块是自动驾驶关于应用软件核心板块的一些功能，核心的包括7个一级和1个车联网公共服务平台。第一块是感知融合；第二是融合定位；第三是全局规划；第四，它的决策；第五是控制相关的内容，涉及到其他一些任务调度等等功能。这是应用软件框架的结构。
下面是关于我们刚才讲的几大功能具体的功能，像感知板块有一些目标检测，感知的融合、目标的跟踪，包括一些预测，这是它的环境感知核心任务。这块是公寓导航定位，定位在自动驾驶里也特别重要，现在也面临着很多难题和挑战，包括最基础的一些定位，GPS、北斗定位，现在也集合一些惯导融合定位，后面也是有些融合定位补充进来。这块是关于智能决策，包括它的规划和控制，像决策这块，因为有行为决策、路径决策和速度决策的内容，因为我们做局部规划的时候也涉及到行车和泊车，控制这块也涉及到纵横向高精度的控制，包括动力学模型和具体控制算法，这块也会涉及到全局规划，包括其他一些复杂任务的调度，包括端管云的协同。
下面围绕着我们刚才讲的一些核心问题，感知、决策、规划和控制具体内容，我们团队也做了一些相关研究。
我们也知道中国道路情况是非常复杂的，有城市的，也有全场景泊车的，也有封闭区域的，这里面涉及到的场景非常多，也非常复杂，所以也带来了一系列挑战。那么，针对这些挑战我们也提出了多模态、高精度感知、自适应决策规划和全视域惯导控制这块的内容。
环境感知第一块任务是目标检测，因为我们用了一系列算法，也做了针对性的改进，在使用过程当中发现，比如在感知当中存在的一些问题，像多任务、多尺度的检测，一个是静态障碍物的检测和动态障碍物的检测。在此基础上，在原有算法上做了一些更新和改进，公开数据集算也做了一些测试，目标比如检测的精度有比较显著的提升。同时，我们也给我们的场景做了一些泛化和测试，能得到有效的验证。
第二是目标跟踪。我们也知道目标跟踪是感知里面一个非常重要的内容。比如说复杂动态场景，它的目标跟踪也太大，也涉及到多目标的情况，包括跟踪精度和跟踪效率，我们也提出了基于数字卵生网络和自注意力机制的一个算法，一个目标跟踪算法，我们也是在开源数据集做了一些测试和验证。同时，结合我们自身的数据集场景做了一些测试和验证的情况。
接下来是这里面很重要的一点，也是属于车道线的检测，车道级的定位，包括对行车区域是至关重要的。所以，我们也是专门针对车道线检测做了二维和3D算法的改进，具体改进措施包括构建了全局特征和跨时空信息交互框架，同时，我们也提出了自适应门控三维车道线检测方法，在它的检测精度和实时性上有了比较大的提升。
前面讲到的是基于视觉的，后面我们基于激光雷达也做了很多算法的研究，包括基于机器学习的也好，深度学习的也好，我们也做了一些。激光的信息非常多，我们也做了一些3D检测，在这块我们也是做相关的工作。它的检测准度也提升了8%以上，检测速度也缩短了20%以上。
第二个核心内容是决策规划。因为我们也知道场景特别多，我们是根据不同场景采用了不同方法。比如像结构化道路，我们提出的是基于事件触发的运动决策方法，基于半结构化道路里面也提出了两步搜索，首先是基于改进RRT引导线搜索区域的一个方法，第一步。第二步，基于图搜索轨迹规划的方法，来实现场景复杂适应性这块。第二个方法是关于时空联合规划这块的，前面刚才我们讲的是第一代，第二代我们想做一个在空间和速度同时获得最优集，这个时候相当于我们把所有行驶环境做一个语义统一建模的表达，构建了时空语义的语义图，包括语义信息、时空图的信息都放在了统一的建模里面。然后来进行一个计算，当然它的挑战对算力要求，包括实时性是比较大的难题，目前我们也正在做实时性提升方面的一些工作。
这块是关于泊车的，泊车里面也涉及到行车和泊车的场景，包括涉及到全局规划，行车、泊车任务规划，包括我们采用搜索和数字优化行车的规划。同时因为车位的类型也非常多，有水平车位、垂直车位、斜车位，而且场景也非常复杂，所以我们也提出了针对不同场景决策和规划的一些方法，建立了“行泊一体”的体系。
这是控制的内容，也涉及到行车场景和泊车场景，这里特别提到了港口，一些特殊车辆控制方法。针对不同场景的需求也采用了不同的控制方法，像泊车场景也提出了非线性模型控制跟踪方法，实现了多目标约束泊车控制架构，也实现了多类型车型路径跟踪的控制。这里面没有给出我们详细的一些指标，因为我们做测试的时候，包括做仿真和实车的时候，都有非常详细的指标，控制的精度都还非常高。
这块是针对行车的，因为行车我们遇到很多情况，比如说有乘用车、商用车，也有集卡的，每个车型不一样，转向机构执行器也存在一些误差，系统也存在一些延时，包括速度的适应性、模型的不确定性，都对控制带来非常大的挑战。我们也是针对不同的车型、不同场景提出了不同的控制算法。比如提出了一个基于模型LQR路径跟踪的控制方法，这个在巴士上面用的效果非常好。同时，也提出了RMPC的路径跟踪控制方法，在轻卡上的应用效果也非常好，包括一些场景我们也提出了容错控制方法。针对港口车型是四轮转向的，所以我们提出了后轮转角补偿LQR路径跟踪控制方法，它的正向、反向、倾行多种控制策略，我们也提升了四轮转向的灵活性，包括在狭小车位里面泊车的机动性也达到了很好的控制效果。
测试这块，首先从评价体系上，包括自动驾驶的功能测试和性能测试上，这里面也涉及到环境感知、行为逻辑、行驶的安全性、功能的完备性等等。从研究开发的角度来说，为了拿到牌照，必须通过测试认证，包括典型的测试场景。
前面做了大量的算法和模型，我们首先要做仿真测试，做密钥测试，也做HiL的测试，这个里面比如说我们也基于VTD力度引擎、决策规划，控制软件本身，包括预控也做联合的一些仿真，也做算法控制策略，包括算法基础验证工作。第二，实车测试情况，刚才讲了场景很多，我们也把每个场景做了很多测试。这块相当于每个场景都会进行实车具体的测试，比如一些功能，也有初级测试，再到测试示范区去做认证测试，再到公开道路上做运营的测试情况。这块为了整车的开发，我们也开发了一些智能网联汽车测试平台，就可以把所有运行过程当中的数据进行采集，也可以做回访，也可以对测试数据做分析，也可以把一些场景进行有效提取，为后面数据的闭环做一些准备。
这块是自动驾驶测试技术和一些装备。第一，被测车辆；第二，目标假车、目标假人；第三，现场试验控制中心。我们也知道目标假车基本上都依赖于进口，我们也跟达安联合成立一个项目，做纯自主目标假车的开发。目标假车涵盖的内容：第一是底盘；第二是车身体；第三是载距，这是底盘这块的。还有一块，就是测试过程中需要做大量的素材，所以也有感知的设备和一些素材，包括我们试验控制中心的一些情况。这是目标假车具体应用的场景，比如做什么样的测试。然后这一块是我们具体的目标假车第一代情况，比如底盘、上装，这个目标假车所有的都是要自主选型、自主开发，全线设计，没有可供参考的，所以开发的周期也比较长，反复做了好几轮，下面三个是它的视频情况，好像视频播放有点问题，下面的就相当于我们开发的最核心的，这个目标假车底盘是非常低的，最高车速可以达到80公里，也做了很长时间的开发和迭代，也达到了预期效果。还有一块依托国家重点研发计划也做了智能网联在线运行监控平台，这样可以把智能网联汽车人车路环境多元的信息进行实时采集，也构建了时空一张图大数据平台，也可以基于这个大数据做一些实时运行状态虚拟重构，关联规则和深度学习也可以对大数据进行深度挖掘，做可视化的工作，来实现智能网联汽车全生命周期的监测，包括它的评测。
第四块内容是在智能网联汽车方面的集成应用、测试方面的工作，比如我们也做了乘用车这块的，比如基于广汽做了一些改进，也做了一些系统测试，比如功能的测试。第二，我们也在东风的乘用车、Sharing Van1.0 BUS平台做了很多场景的应用。然后这块是在东风轻卡、环卫、目标假车、商用车、干线物流、无人集卡，以及在工程车上也做了自动驾驶的应用，包括我们也开发了低速的多功能自动驾驶平台小车。
第五个，也借这个机会介绍一下武汉理工大学在经开区的车谷校区，之前是建三院，最近也在做调整，经开区管委会希望我们按照校区来建设，总体规划大概400亩地，目前一期建设用地是143.75亩，建筑面积约11.5万方，基本上全封顶，大概明年9月份希望跟华科的军山校区同步开学入驻。
我们这个里面所做的一些工作，比如科研平台是“一三七”的规划：一个人工智能和元宇宙中心；三大板块涉及到智能汽车、智能交通、智能装备，每个平台下面都有相应的创新平台。一个是科学研究，第二是人才的培养，我们讲的是“两班一营”，产业精英班和项目卓越班，这块我们跟东风一起做了产业的精英班，大概有40多个人。第二届9月份应该也选拔出来了，我们也跟东风股份成立了一个项目卓越班。所以，我们也希望围绕湖北汽车产业链打造创新链，也把人才链和教育链串起来，希望把科技、人才和教育三位有机一体统筹推进。
这个是我们东风跃迁班第一届的基本情况，比如通过它的招生宣传、联合选拔、企业导师的选聘、联合方案的培养等等一系列的工作，也非常感谢东风给予大力支持。如果有企业感兴趣，也希望在我们经开校区建成之后，也把我们两班运营作为一个希望，做一个大规模推广。我的汇报完毕，谢谢大家！上面也有微信。
|
11月10日-12日，由中国汽车工业协会和武汉市人民政府共同主办的“2023中国汽车供应链大会暨第二届中国新能源智能网联汽车生态大会”在武汉经开区举办。本届供应链大会以“踔厉奋发，攻坚克难——打造安全、韧性、绿色汽车供应链”为主题，设置了“1场战略峰会、1场大会论坛、9场主题论坛”共11场会议，围绕供应链安全与布局、新型汽车供应链打造、传统供应链升级、全球化发展等热点话题进行深入交流与探讨，寻找构建世界一流汽车供应链的对策、方法和路径。
其中，在11月11日下午举办的“主题论坛四：试验检验——新能源智能网联汽车检验检测助力汽车产品高质量发展”上，武汉理工大学汽车工程学院教授、人工智能与新能源汽车现代产业学院副院长胡杰发表精彩演讲。
以下内容为现场发言实录：
尊敬的各位专家、各位领导，大家下午好！感谢主办方的邀请，我是来自武汉理工大学的胡杰。
我汇报的题目是“智能网联汽车控制与测试技术研究及应用”，也借这个机会把我们团队在智能网联汽车控制和测试相关的工作做一个汇报。主要从以下五方面：
第一，背景。大家知道现在能源环境、安全交通这块的原因，包括朝着云计算、大数据、人工智能、电动化、智能化、网联化，最近数字化也提得比较多，所以智能网联汽车也是汽车工程领域研究的热点和增长点，同时也是汽车发展的必然趋势，也是我们湖北省汽车工业战略转型升级的一个战略方向。
第二，国际前沿。全球各国都制定了相关的法律法规，同时我国也制定了相应的法规。我国在智能化这块近几年是走在了一些前列。
第三，国家战略。大家也知道国家出台了非常多的战略，包括人工智能的发展战略、交通强国、汽车强国发展纲要，都提到了智能网联汽车发展的需求。汽车是一个非常强的综合体，也是各大主机厂、新势力、科技公司抢占的重点。
第四，市场需求，包括政府需求也好，示范区的需求也好，包括客户的需求，现在全国各地建了很多智能网联的示范区。当然应用场景也是在港口、矿山，包括很多园区自动驾驶的应用场景越来越多，乘用车这块智能化的渗透率也越来越高。所以，无论从技术发展趋势，还是国家的战略，还是市场行为，智能网联汽车发展速度也越来越。
第五，这块是涉及到的关键技术，车辆技术、信息技术，包括它支撑的相关技术。第二块是关于控制技术，总体研究思路分为五大板块：第一块关于环境的感知；第二，决策规划；第三，测试；第四，云控平台；第五，示范应用情况。
第一，智能驾驶预控制平台，包括硬件平台，硬件平台采用的是多核一构架构，有计算单元和控制单元，计算单元负责控制感知决策规划，控制就负责车辆控制板块，也涉及到一些功能安全，也涉及到算力的拓展、车型的拓展，包括支持一些传感器、算力升级的需求，是柔性扩扩展的。这块是关于软件架构方面，也涉及到底层软件和基础软件，也有应用层的软件，我们也是基于软硬件解耦采用了一些架构做一些控制的软件开发。这一块是自动驾驶关于应用软件核心板块的一些功能，核心的包括7个一级和1个车联网公共服务平台。第一块是感知融合；第二是融合定位；第三是全局规划；第四，它的决策；第五是控制相关的内容，涉及到其他一些任务调度等等功能。这是应用软件框架的结构。
下面是关于我们刚才讲的几大功能具体的功能，像感知板块有一些目标检测，感知的融合、目标的跟踪，包括一些预测，这是它的环境感知核心任务。这块是公寓导航定位，定位在自动驾驶里也特别重要，现在也面临着很多难题和挑战，包括最基础的一些定位，GPS、北斗定位，现在也集合一些惯导融合定位，后面也是有些融合定位补充进来。这块是关于智能决策，包括它的规划和控制，像决策这块，因为有行为决策、路径决策和速度决策的内容，因为我们做局部规划的时候也涉及到行车和泊车，控制这块也涉及到纵横向高精度的控制，包括动力学模型和具体控制算法，这块也会涉及到全局规划，包括其他一些复杂任务的调度，包括端管云的协同。
下面围绕着我们刚才讲的一些核心问题，感知、决策、规划和控制具体内容，我们团队也做了一些相关研究。
我们也知道中国道路情况是非常复杂的，有城市的，也有全场景泊车的，也有封闭区域的，这里面涉及到的场景非常多，也非常复杂，所以也带来了一系列挑战。那么，针对这些挑战我们也提出了多模态、高精度感知、自适应决策规划和全视域惯导控制这块的内容。
环境感知第一块任务是目标检测，因为我们用了一系列算法，也做了针对性的改进，在使用过程当中发现，比如在感知当中存在的一些问题，像多任务、多尺度的检测，一个是静态障碍物的检测和动态障碍物的检测。在此基础上，在原有算法上做了一些更新和改进，公开数据集算也做了一些测试，目标比如检测的精度有比较显著的提升。同时，我们也给我们的场景做了一些泛化和测试，能得到有效的验证。
第二是目标跟踪。我们也知道目标跟踪是感知里面一个非常重要的内容。比如说复杂动态场景，它的目标跟踪也太大，也涉及到多目标的情况，包括跟踪精度和跟踪效率，我们也提出了基于数字卵生网络和自注意力机制的一个算法，一个目标跟踪算法，我们也是在开源数据集做了一些测试和验证。同时，结合我们自身的数据集场景做了一些测试和验证的情况。
接下来是这里面很重要的一点，也是属于车道线的检测，车道级的定位，包括对行车区域是至关重要的。所以，我们也是专门针对车道线检测做了二维和3D算法的改进，具体改进措施包括构建了全局特征和跨时空信息交互框架，同时，我们也提出了自适应门控三维车道线检测方法，在它的检测精度和实时性上有了比较大的提升。
前面讲到的是基于视觉的，后面我们基于激光雷达也做了很多算法的研究，包括基于机器学习的也好，深度学习的也好，我们也做了一些。激光的信息非常多，我们也做了一些3D检测，在这块我们也是做相关的工作。它的检测准度也提升了8%以上，检测速度也缩短了20%以上。
第二个核心内容是决策规划。因为我们也知道场景特别多，我们是根据不同场景采用了不同方法。比如像结构化道路，我们提出的是基于事件触发的运动决策方法，基于半结构化道路里面也提出了两步搜索，首先是基于改进RRT引导线搜索区域的一个方法，第一步。第二步，基于图搜索轨迹规划的方法，来实现场景复杂适应性这块。第二个方法是关于时空联合规划这块的，前面刚才我们讲的是第一代，第二代我们想做一个在空间和速度同时获得最优集，这个时候相当于我们把所有行驶环境做一个语义统一建模的表达，构建了时空语义的语义图，包括语义信息、时空图的信息都放在了统一的建模里面。然后来进行一个计算，当然它的挑战对算力要求，包括实时性是比较大的难题，目前我们也正在做实时性提升方面的一些工作。
这块是关于泊车的，泊车里面也涉及到行车和泊车的场景，包括涉及到全局规划，行车、泊车任务规划，包括我们采用搜索和数字优化行车的规划。同时因为车位的类型也非常多，有水平车位、垂直车位、斜车位，而且场景也非常复杂，所以我们也提出了针对不同场景决策和规划的一些方法，建立了“行泊一体”的体系。
这是控制的内容，也涉及到行车场景和泊车场景，这里特别提到了港口，一些特殊车辆控制方法。针对不同场景的需求也采用了不同的控制方法，像泊车场景也提出了非线性模型控制跟踪方法，实现了多目标约束泊车控制架构，也实现了多类型车型路径跟踪的控制。这里面没有给出我们详细的一些指标，因为我们做测试的时候，包括做仿真和实车的时候，都有非常详细的指标，控制的精度都还非常高。
这块是针对行车的，因为行车我们遇到很多情况，比如说有乘用车、商用车，也有集卡的，每个车型不一样，转向机构执行器也存在一些误差，系统也存在一些延时，包括速度的适应性、模型的不确定性，都对控制带来非常大的挑战。我们也是针对不同的车型、不同场景提出了不同的控制算法。比如提出了一个基于模型LQR路径跟踪的控制方法，这个在巴士上面用的效果非常好。同时，也提出了RMPC的路径跟踪控制方法，在轻卡上的应用效果也非常好，包括一些场景我们也提出了容错控制方法。针对港口车型是四轮转向的，所以我们提出了后轮转角补偿LQR路径跟踪控制方法，它的正向、反向、倾行多种控制策略，我们也提升了四轮转向的灵活性，包括在狭小车位里面泊车的机动性也达到了很好的控制效果。
测试这块，首先从评价体系上，包括自动驾驶的功能测试和性能测试上，这里面也涉及到环境感知、行为逻辑、行驶的安全性、功能的完备性等等。从研究开发的角度来说，为了拿到牌照，必须通过测试认证，包括典型的测试场景。
前面做了大量的算法和模型，我们首先要做仿真测试，做密钥测试，也做HiL的测试，这个里面比如说我们也基于VTD力度引擎、决策规划，控制软件本身，包括预控也做联合的一些仿真，也做算法控制策略，包括算法基础验证工作。第二，实车测试情况，刚才讲了场景很多，我们也把每个场景做了很多测试。这块相当于每个场景都会进行实车具体的测试，比如一些功能，也有初级测试，再到测试示范区去做认证测试，再到公开道路上做运营的测试情况。这块为了整车的开发，我们也开发了一些智能网联汽车测试平台，就可以把所有运行过程当中的数据进行采集，也可以做回访，也可以对测试数据做分析，也可以把一些场景进行有效提取，为后面数据的闭环做一些准备。
这块是自动驾驶测试技术和一些装备。第一，被测车辆；第二，目标假车、目标假人；第三，现场试验控制中心。我们也知道目标假车基本上都依赖于进口，我们也跟达安联合成立一个项目，做纯自主目标假车的开发。目标假车涵盖的内容：第一是底盘；第二是车身体；第三是载距，这是底盘这块的。还有一块，就是测试过程中需要做大量的素材，所以也有感知的设备和一些素材，包括我们试验控制中心的一些情况。这是目标假车具体应用的场景，比如做什么样的测试。然后这一块是我们具体的目标假车第一代情况，比如底盘、上装，这个目标假车所有的都是要自主选型、自主开发，全线设计，没有可供参考的，所以开发的周期也比较长，反复做了好几轮，下面三个是它的视频情况，好像视频播放有点问题，下面的就相当于我们开发的最核心的，这个目标假车底盘是非常低的，最高车速可以达到80公里，也做了很长时间的开发和迭代，也达到了预期效果。还有一块依托国家重点研发计划也做了智能网联在线运行监控平台，这样可以把智能网联汽车人车路环境多元的信息进行实时采集，也构建了时空一张图大数据平台，也可以基于这个大数据做一些实时运行状态虚拟重构，关联规则和深度学习也可以对大数据进行深度挖掘，做可视化的工作，来实现智能网联汽车全生命周期的监测，包括它的评测。
第四块内容是在智能网联汽车方面的集成应用、测试方面的工作，比如我们也做了乘用车这块的，比如基于广汽做了一些改进，也做了一些系统测试，比如功能的测试。第二，我们也在东风的乘用车、Sharing Van1.0 BUS平台做了很多场景的应用。然后这块是在东风轻卡、环卫、目标假车、商用车、干线物流、无人集卡，以及在工程车上也做了自动驾驶的应用，包括我们也开发了低速的多功能自动驾驶平台小车。
第五个，也借这个机会介绍一下武汉理工大学在经开区的车谷校区，之前是建三院，最近也在做调整，经开区管委会希望我们按照校区来建设，总体规划大概400亩地，目前一期建设用地是143.75亩，建筑面积约11.5万方，基本上全封顶，大概明年9月份希望跟华科的军山校区同步开学入驻。
我们这个里面所做的一些工作，比如科研平台是“一三七”的规划：一个人工智能和元宇宙中心；三大板块涉及到智能汽车、智能交通、智能装备，每个平台下面都有相应的创新平台。一个是科学研究，第二是人才的培养，我们讲的是“两班一营”，产业精英班和项目卓越班，这块我们跟东风一起做了产业的精英班，大概有40多个人。第二届9月份应该也选拔出来了，我们也跟东风股份成立了一个项目卓越班。所以，我们也希望围绕湖北汽车产业链打造创新链，也把人才链和教育链串起来，希望把科技、人才和教育三位有机一体统筹推进。
这个是我们东风跃迁班第一届的基本情况，比如通过它的招生宣传、联合选拔、企业导师的选聘、联合方案的培养等等一系列的工作，也非常感谢东风给予大力支持。如果有企业感兴趣，也希望在我们经开校区建成之后，也把我们两班运营作为一个希望，做一个大规模推广。我的汇报完毕，谢谢大家！上面也有微信。
|